Können Gemini oder Claude aus einem Song Noten machen?

Teil unseres Ratgebers zur Auswahl von Tools für Musiktranskription.

Allein schaffen sie das nicht. Weder Gemini noch Claude kann sich eine Aufnahme anhören und daraus korrekte Noten schreiben, und keines der beiden liest gedruckte Noten Ton für Ton richtig ab. Beide können inzwischen deutlich mehr als ein reiner Text-Chatbot. Gemini nimmt Audio und Bilder an, Claude Bilder und Text, du kannst ihnen also mehr geben als nur Worte. Gebaut sind sie aber fürs Verstehen, also dafür, Sprache zu transkribieren, ein Bild zu beschreiben oder über einen Text nachzudenken. Die Signalverarbeitung, die Notation verlangt, gehört nicht dazu. Bittest du eines der beiden, einen Song zu transkribieren, bekommst du eine flüssige, selbstsichere Antwort voller Töne, die niemand gespielt hat.

Bei allem, was sich in Text abspielt, sind beide stark: Sie erklären Theorie, sprechen mit dir über Notation, die du einfügst, schlagen Akkordfolgen vor, skizzieren eine einstimmige Melodie oder stellen einen Übeplan auf. Du musst nur auseinanderhalten, welcher Teil der Arbeit mit Sprache zu tun hat und welcher aus Audio Noten macht. Beim ersten helfen dir die Chatbots, für den zweiten brauchst du ein spezielles Tool.

Was Gemini und Claude mit Musik können

Beide Modelle können längst mehr als nur Text verarbeiten. Gemini ist von Grund auf multimodal. Du kannst eine Audiodatei hochladen, und Gemini transkribiert Sprache, fasst eine Aufnahme zusammen, erkennt, wer gerade spricht, und beantwortet Fragen zum Gesagten. Bilder nimmt es auch an. Claude verarbeitet Text und Bilder und liest den Inhalt von Fotos oder Dokumenten, die du ihm gibst. Zeigst du einem der beiden ein Bild von Noten, kann es sich das also ansehen und darauf antworten. Die Datei sehen oder hören können sie. Ob sie daraus korrekte Notation machen, ist eine andere Frage, und dafür braucht es eine viel speziellere Fähigkeit.

Solange es um Text und Theorie geht, helfen beide:

• Theorie erklären. Frage, warum sich eine Akkordfolge genau so auflöst, was eine Tritonussubstitution ist oder wie man eine Molltonleiter harmonisiert, und du bekommst eine klare, meistens zuverlässige Erklärung.
• Über Notation reden, die du als Text einfügst. Gib dem Modell ABC-Notation, ein Akkord-Sheet oder eine in Worten beschriebene Passage, und es benennt die Akkorde, erklärt, was da passiert, und schlägt Änderungen vor.
• Akkordfolgen vorschlagen. Beschreibe eine Stimmung oder eine Tonart, und es schlägt Akkordfolgen, Reharmonisierungen oder eine Basslinie zum Ausprobieren vor.
• Eine einstimmige Melodie skizzieren. Wenn du eine Melodie in Worten beschreibst, schreibt es sie in einer Textnotation wie ABC auf, und die kannst du in ein Notationsprogramm einfügen.

Alle diese Beispiele fangen bei Text oder einer Beschreibung an, und was dabei herauskommt, ist wieder Text. Das Modell denkt über musikalische Symbole nach. Es wandelt weder Klang noch eine gedruckte Seite in exakte Töne um. Sobald die Aufgabe lautet „Hier ist eine Aufnahme, gib mir die Noten“, sind beide überfordert.

Warum sie keine Aufnahme transkribieren können

Aus Audio Noten zu machen ist eine Aufgabe der Signalverarbeitung, und zwar eine schwierige. Dafür muss ein Tool die Tonhöhe jedes einzelnen Tons erkennen und genau bestimmen, wann er anfängt und aufhört. Töne, die sich überlagern, muss es voneinander trennen, etwa in einem Akkord oder in einem vollen Bandmix. Dann quantisiert es das Timing, damit der Rhythmus lesbar wird, und erst danach kommt alles mit der richtigen Tonart und Taktart auf eine Notenzeile. Jeder dieser Schritte braucht ein eigenes, auf Audio trainiertes Modell. Geminis Audioverständnis ist auf Sprache ausgelegt, also auf die Worte, auf die Person, die spricht, und auf die Bedeutung. Gleichzeitig klingende Töne zu trennen und ihre Einsätze zu erkennen gehört nicht dazu. Claude nimmt gar keine Audiodateien an. Mit einem Song kann es erst nach einem separaten Transkriptionsschritt arbeiten.

Beim Lesen gedruckter Noten tappen die Modelle auf ihre eigene Art in dieselbe Falle. Wenn Forschende genau das in Benchmarks testen, erkennen die Modelle die Symbole auf der Seite sehr zuverlässig und machen daraus trotzdem meistens die falschen Töne. Sie greifen auf gleichmäßige Viertelnoten und tonleiterartige Läufe zurück, weil sich ihre Vermutungen auf Textmuster stützen und nicht auf die Musik, die tatsächlich dasteht. Selbst wenn ein Modell die Seite scheinbar klar „sieht“, weichen die Tonhöhen und Rhythmen, die es angibt, vom Notentext ab.

Bittest du sie trotzdem um eine Transkription, machen beide, was Sprachmodelle bei Unsicherheit eben tun. Sie liefern eine flüssige, selbstsichere Antwort, die wie Notation aussieht und voller Töne ist, die niemand gespielt hat. Weil das Ergebnis so überzeugend wirkt, fallen die Fehler schwerer auf als eine offensichtliche Lücke. Schritt für Schritt erklärt unser Artikel darüber, wie KI-Musiktranskription funktioniert, was zu echter Transkription alles gehört. Warum gerade sich überlagernde Töne allgemeine Modelle aus dem Tritt bringen, liest du im Vergleich von einstimmiger und mehrstimmiger Transkription.

Was du stattdessen verwenden kannst

Um aus Audio Noten zu machen, verwende ein Tool, das dafür entwickelt wurde. Bei Songscription lädst du eine Audiodatei hoch oder fügst einen Link zu einem Video ein. Das Modell erkennt die Töne und erstellt bearbeitbare Noten sowie MIDI, MusicXML, Guitar-Pro-Tabulaturen und eine interaktive Piano Roll. Die Wiedergabe der Piano Roll kannst du langsamer machen, um das Ergebnis zu prüfen. Du musst keine Töne von Hand eingeben. Die Noten öffnen sich in dem Editor, den wir für Songscription entwickelt haben. Dort kannst du Töne im Browser korrigieren, bevor du etwas exportierst.

Bei einem Klavierstück teilt Songscription die Noten automatisch auf zwei Hände auf, in einen hohen und einen tiefen Bereich. Wenn du eine einzelne Stimme aus einem vollständigen Mix brauchst, kannst du ein Instrument isolieren. Mit „Mehrere Instrumente“ lassen sich auch alle Stimmen einer Band- oder Ensembleaufnahme in einem Durchgang transkribieren. Im Editor kannst du die Noten in jede Tonart transponieren. Du kannst auch Annie, die KI-Notenassistenz im Editor, bitten, die Noten zu transponieren, die Taktart zu ändern oder Liedtext und Dynamikanweisungen hinzuzufügen. Im Arrangementmodus lässt sich ein dichtes Stück vereinfachen oder eine einzelne Melodielinie für ein Instrument schreiben, das im Original nicht vorkam. So bekommst du eine Datei, die du zum Spielen nutzen und weiterbearbeiten kannst. Gemini und Claude geben dir dagegen einen Text über den Song.

Prüfe das Ergebnis: Saubere Soloaufnahmen, etwa von einem Klavier, einer einzelnen Gitarre oder einer Gesangsstimme, lassen sich deutlich genauer transkribieren als ein dichter Bandmix, in dem sich viele Instrumente überlagern. Die automatische Transkription erledigt den größten Teil der Arbeit schnell. Schaue die Noten trotzdem durch und korrigiere Fehler direkt im Editor. Dort werden die Noten gesetzt, und du kannst das PDF in demselben Layout ausdrucken, das du auf dem Bildschirm siehst. Arbeitest du bereits mit MuseScore, exportiere MusicXML und arbeite dort weiter. Warum manche Songs sauber transkribiert werden und andere Schwierigkeiten machen, erfährst du im Artikel darüber, warum die Genauigkeit von KI-Transkriptionen variiert.

Wo Gemini und Claude trotzdem helfen

Sobald du die Noten hast, sind beide Modelle wieder nützlich, denn jetzt geht es um Text und ums Nachdenken. Liegen Noten, ein Akkord-Sheet oder die aus der MIDI-Datei abgeleiteten Akkorde vor dir, kann dir jedes der beiden weiterhelfen:

• Einen schwierigen Akkord erklären. Füge das Akkordsymbol ein und frage, aus welchen Tönen er besteht, welche Funktion er hat und welche Tonleiter darüber passt.
• Ideen für den Fingersatz liefern. Beschreibe eine Passage und dein Instrument und frage nach einem sinnvollen Fingersatz oder einer Handposition zum Ausprobieren.
• Einen Übeplan aufstellen. Nenne das Stück, dein Niveau und wie viel Zeit du hast, und du bekommst einen strukturierten Plan, wie du es dir erarbeitest.
• Eine Melodie, die du kennst, als Text notieren. Wenn du die Melodie schon beschreiben oder singen kannst, schreibt das Modell sie in ABC auf, und du fügst sie in einen Editor ein.

Ein Transkriptionsmodell macht aus Klang Noten. Gemini und Claude helfen dir, diese Noten zu verstehen und zu üben, wenn du sie einmal hast. Nimmst du beides zusammen, wird aus der Aufnahme zuerst Notation, und danach bekommst du Hilfe beim Spielenlernen. Was eine KI dir über ein Stück sagen kann und was nicht, steht im Artikel darüber, ob dir eine KI sagen kann, wie du einen Song spielst. Um die eng verwandte Frage zum Modell von OpenAI geht es im Artikel darüber, ob ChatGPT Noten erstellen kann.